[發明專利]一種語音降噪方法

有效

• 申請號: 201811379108.0
• 申請日: 2018-11-19
• 公開（公告）號: CN109378013B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 郝小龍;韓斌;樊強;彭啟偉;薛依銘;王學廣;賈政;張鐵勛;崔漾
• 申請（專利權）人: 南瑞集團有限公司;南京南瑞信息通信科技有限公司
• 主分類號: G10L21/0264
• 分類號: G10L21/0264;G10L21/0232;G10L25/21;G10L25/87
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 馬林中

本發明公開了一種語音降噪方法，結合傳統的信號處理方法和神經網絡模型，二者取長補短，先使用傳統的信號處理方法對音頻信號進行處理，能夠濾除一部分均勻的環境噪聲，如白噪聲，使得后續的神經網絡模型能夠主要處理其他噪聲，如汽車鳴笛，其他人聲音等，同時，本方法對帶噪語音樣本執行VAD操作，去掉了非必要的信號，能夠一定程度訓練和降噪的效果，解決了傳統信號處理方法可擴展性差，不同的噪聲環境需要不同的；神經網絡雖然能夠處理所有噪聲情況，但是該方法非常依賴于訓練樣本的問題。

技術領域

本發明涉及音頻處理領域，特別涉及一種語音降噪方法。

背景技術

現實生活中，語音信號一般都帶有噪聲，在進一步處理信號前，往往要對信號進行降噪，隨著信噪比的減小，降噪方法處理的效果也隨之變差，也經常使得語音丟字或者波形失真。如何在低信噪比情況下，達到不錯的降噪效果，是一個值得探究的問題。現在的語音降噪一般分為，傳統信號處理方式：如最小均方算法、譜減法、維納濾波法；以及神經網絡方式，使用深度學習網絡直接在時域處理，使用帶噪聲語音以及干凈語音樣本訓練降噪模型，使用模型對輸入語音進行降噪處理。

上述兩種語音降噪分別的缺陷如下：傳統信號處理方法可擴展性差，不同的噪聲環境需要不同的；神經網絡雖然能夠處理所有噪聲情況，但是該方法非常依賴于訓練樣本。

發明內容

本發明的目的在于：提供了一種語音降噪方法，解決了傳統信號處理方法可擴展性差，不同的噪聲環境需要不同的；神經網絡雖然能夠處理所有噪聲情況，但是該方法非常依賴于訓練樣本的問題。

本發明采用的技術方案如下：

一種語音降噪方法，包括基于神經網絡模型的深度降噪模型，還包括以下步驟：

A、對帶噪語音信號進行預處理得到預處理過的語音信號；

B、使用語音端點檢測技術VAD對步驟A中預處理過的語音信號進行端點檢測，根據信號的短時能量和過零率，確定該段語音信號的有效起點和終點；

C、根據步驟B檢測到語音信號的有效起點和終點，剪裁整個語音信號；

D、將步驟C中裁剪后的語音信號轉換為預定格式的帶噪語音信號；

E、將步驟D中預定格式的帶噪語音信號切片成固定長度；

F、將步驟E中的帶噪語音信號切片作為深度降噪模型的輸入，通過深度降噪模型，得到干凈的語音信號；

進一步的，所述步驟A中對帶噪語音信號進行預處理的方法包括以下步驟：

A1、對輸入的帶噪語音信號進行加窗處理，將連續的語音信號拆分成語音幀；

A2、對每一幀語音信號進行快速傅里葉變換FFT，將時域信號轉換到頻域；

A3、使用傳統的頻域信號處理方法對每一幀頻域信號進去噪處理；

A4、將步驟A3中進去噪處理結果進行反傅里葉變換，將頻域信號轉換為時域信號得到預處理后的語音幀；

A5、對步驟A4中得到預處理后的語音幀進行合成，得到的信號為預處理過的語音信號。

進一步的，所述步驟D中的預定格式包括預定頻率、預定量化級和預定調制方法。

基于神經網絡的深度降噪模型設計如圖所示。共包含編碼網絡和解碼網絡。在編碼網絡，采用全卷積網絡實現信號卷積處理，采用Pooling層實現信號縮放。在解碼網絡，采用反Pooling層和卷積層，實現信號的解碼，其中反Pooling層用到解碼網絡中對應層的Pooling信息，最終輸出增強或去噪語音。

進一步的，所述基于神經網絡模型的深度降噪模型的訓練包括以下步驟：